一项新的研究发表在 局部麻醉和疼痛医学 Corpman 等人（2025）的一项研究批判性地评估了基于大型语言模型 (LLM) 的人工智能聊天机器人作为区域麻醉临床决策支持工具的潜力。随着人工智能在医疗保健领域的应用日益广泛，这项研究及时检验了其在现实世界中应用于围手术期决策的准备情况。

背景：人工智能在麻醉领域的作用日益扩大

人工智能技术已在区域麻醉的超声图像识别和阻滞定位方面展现出实用性。然而，这些任务仅代表了所需更广泛的临床决策的一小部分。该研究旨在探究生成式人工智能能否帮助麻醉师做出复杂的判断，例如阻滞选择、剂量分配以及风险收益沟通。

研究设计

• 法学硕士评估：ChatGPT-4o、Gemini 2.0 Flash、Microsoft CoPilot 和 OpenEvidence
  
• 途径：两种场景（基本和复杂）的零样本提示，模拟现实世界的临床决策
  
• 评价：由经验丰富的区域麻醉师使用实践指南和同行评审文献进行定性分析

基于场景的测试

场景 1：接受全肩关节置换术的高风险患者

• 患者资料：多种合并症，包括阿哌沙班治疗期间的心房颤动、血液透析治疗期间的 ESRD 和 COPD
  
• 决策：神经阻滞安全吗？如果安全，那么类型、剂量和持续时间是什么？

主要发现：

• 尽管已知存在膈肌麻痹等风险，但所有法学硕士均推荐斜角肌间阻滞。
  
• 没有任何模特质疑该区块的适当性或要求澄清细节。
  
• 对抗凝治疗指南的误解很常见。
• 建议的知情同意内容多种多样，并且经常忽略关键风险和替代方案。

场景 2：健康患者当天出院接受全膝关节置换术

• 专注：最佳外周神经阻滞选择，以平衡镇痛与早期活动
  

法学硕士推荐信：

• 常见选择：ACB+iPACK 或 ACB+腘窝坐骨神经
  
• 总体来说，这是合理的建议，但也有明显的例外：
  
  • 双子座的坐骨神经阻滞可能会影响行走能力
    
  • 只有少数模型引用了文献，即使引用，也缺乏麻醉学特定的深度

最佳实践向前迈进

如何在临床环境中安全地使用法学硕士

1. 始终验证 LLM 推荐 符合当前指南和临床判断。
   
2. 使用人工智能作为头脑风暴工具，不是权威建议的来源。
   
3. 应用及时工程 细化查询并测试理解。
   
4. 将人工智能输出纳入团队讨论，永远不会作为独立指令。
   
5. 报告 AI 错误 为开发人员或研究人员提供安全改进方面的贡献。

未来方向和最终想法

人工智能在麻醉学领域的应用前景光明。目标驱动且具备情境感知能力的代理型人工智能 (Agentic AI) 或将减少对人工精准度的依赖。与电子病历 (EMR) 数据、个性化学习和实时风险评估的整合，有望彻底改变患者护理。

文献参考： Corpman D等人 Reg Anesth 疼痛医学。 3 年 2025 月 XNUMX 日在线发布。 

有关医疗领域人工智能的更多信息，请查看 NYSORA 麻醉手册应用程序。 

一站式获取分步管理算法、最新研究成果和同行评审见解。立即下载应用程序，体验麻醉教育和决策的未来。 

让我们测试一下 MAIA

对于接受膝关节手术的阿哌沙班患者来说，安全的外周神经阻滞选择是什么？